模型简介
模型特点
模型能力
使用案例
🚀 NVIDIA AceReason - Nemotron - 7B的Llamacpp imatrix量化版本
本项目是对NVIDIA的AceReason - Nemotron - 7B模型进行量化处理的成果。借助量化技术,可在不同硬件条件下更高效地运行模型,满足多样化的使用需求。
🚀 快速开始
- 量化工具:使用 llama.cpp 发布版本 b5466 进行量化。
- 原始模型:[https://huggingface.co/nvidia/AceReason - Nemotron - 7B](https://huggingface.co/nvidia/AceReason - Nemotron - 7B)
- 运行方式:
✨ 主要特性
- 多量化类型支持:提供了多种量化类型的文件,如bf16、Q8_0、Q6_K_L等,可根据不同的硬件资源和性能需求进行选择。
- 在线重打包功能:部分量化文件支持在线重打包,可在ARM和AVX机器上自动优化性能。
📦 安装指南
安装huggingface - cli
首先,确保你已安装huggingface - cli:
pip install -U "huggingface_hub[cli]"
下载指定文件
你可以指定要下载的特定文件:
huggingface-cli download bartowski/nvidia_AceReason-Nemotron-7B-GGUF --include "nvidia_AceReason-Nemotron-7B-Q4_K_M.gguf" --local-dir ./
下载拆分文件
如果模型大于50GB,它会被拆分为多个文件。要将它们全部下载到本地文件夹,请运行:
huggingface-cli download bartowski/nvidia_AceReason-Nemotron-7B-GGUF --include "nvidia_AceReason-Nemotron-7B-Q8_0/*" --local-dir ./
你可以指定一个新的本地目录(如nvidia_AceReason - Nemotron - 7B - Q8_0),也可以将它们全部下载到当前目录(./)。
💻 使用示例
基础用法
以下是使用huggingface - cli下载指定文件的示例:
# 下载指定文件
huggingface-cli download bartowski/nvidia_AceReason-Nemotron-7B-GGUF --include "nvidia_AceReason-Nemotron-7B-Q4_K_M.gguf" --local-dir ./
高级用法
如果你需要下载拆分的文件,可以使用以下命令:
# 下载拆分文件
huggingface-cli download bartowski/nvidia_AceReason-Nemotron-7B-GGUF --include "nvidia_AceReason-Nemotron-7B-Q8_0/*" --local-dir ./
📚 详细文档
提示格式
<|begin▁of▁sentence|>{system_prompt}<|User|>{prompt}<|Assistant|><|end▁of▁sentence|><|Assistant|><think>
下载文件列表
文件名 | 量化类型 | 文件大小 | 拆分情况 | 描述 |
---|---|---|---|---|
AceReason - Nemotron - 7B - bf16.gguf | bf16 | 15.24GB | false | 完整的BF16权重。 |
AceReason - Nemotron - 7B - Q8_0.gguf | Q8_0 | 8.10GB | false | 极高质量,通常不需要,但为最大可用量化。 |
AceReason - Nemotron - 7B - Q6_K_L.gguf | Q6_K_L | 6.52GB | false | 嵌入和输出权重使用Q8_0。非常高质量,接近完美,推荐。 |
AceReason - Nemotron - 7B - Q6_K.gguf | Q6_K | 6.25GB | false | 非常高质量,接近完美,推荐。 |
AceReason - Nemotron - 7B - Q5_K_L.gguf | Q5_K_L | 5.78GB | false | 嵌入和输出权重使用Q8_0。高质量,推荐。 |
AceReason - Nemotron - 7B - Q5_K_M.gguf | Q5_K_M | 5.44GB | false | 高质量,推荐。 |
AceReason - Nemotron - 7B - Q5_K_S.gguf | Q5_K_S | 5.32GB | false | 高质量,推荐。 |
AceReason - Nemotron - 7B - Q4_K_L.gguf | Q4_K_L | 5.09GB | false | 嵌入和输出权重使用Q8_0。质量良好,推荐。 |
AceReason - Nemotron - 7B - Q4_1.gguf | Q4_1 | 4.87GB | false | 旧格式,性能与Q4_K_S相似,但在Apple硅芯片上的每瓦令牌数有所提高。 |
AceReason - Nemotron - 7B - Q4_K_M.gguf | Q4_K_M | 4.68GB | false | 质量良好,大多数用例的默认大小,推荐。 |
AceReason - Nemotron - 7B - Q3_K_XL.gguf | Q3_K_XL | 4.57GB | false | 嵌入和输出权重使用Q8_0。质量较低但可用,适合低内存情况。 |
AceReason - Nemotron - 7B - Q4_K_S.gguf | Q4_K_S | 4.46GB | false | 质量略低,但节省空间,推荐。 |
AceReason - Nemotron - 7B - Q4_0.gguf | Q4_0 | 4.44GB | false | 旧格式,提供了ARM和AVX CPU推理的在线重新打包功能。 |
AceReason - Nemotron - 7B - IQ4_NL.gguf | IQ4_NL | 4.44GB | false | 类似于IQ4_XS,但略大。提供了ARM CPU推理的在线重新打包功能。 |
AceReason - Nemotron - 7B - IQ4_XS.gguf | IQ4_XS | 4.22GB | false | 质量尚可,比Q4_K_S小,性能相似,推荐。 |
AceReason - Nemotron - 7B - Q3_K_L.gguf | Q3_K_L | 4.09GB | false | 质量较低但可用,适合低内存情况。 |
AceReason - Nemotron - 7B - Q3_K_M.gguf | Q3_K_M | 3.81GB | false | 低质量。 |
AceReason - Nemotron - 7B - IQ3_M.gguf | IQ3_M | 3.57GB | false | 中低质量,新方法,性能与Q3_K_M相当。 |
AceReason - Nemotron - 7B - Q2_K_L.gguf | Q2_K_L | 3.55GB | false | 嵌入和输出权重使用Q8_0。质量非常低,但出人意料地可用。 |
AceReason - Nemotron - 7B - Q3_K_S.gguf | Q3_K_S | 3.49GB | false | 低质量,不推荐。 |
AceReason - Nemotron - 7B - IQ3_XS.gguf | IQ3_XS | 3.35GB | false | 质量较低,新方法,性能不错,略优于Q3_K_S。 |
AceReason - Nemotron - 7B - IQ3_XXS.gguf | IQ3_XXS | 3.11GB | false | 质量较低,新方法,性能不错,与Q3量化相当。 |
AceReason - Nemotron - 7B - Q2_K.gguf | Q2_K | 3.02GB | false | 质量非常低,但出人意料地可用。 |
AceReason - Nemotron - 7B - IQ2_M.gguf | IQ2_M | 2.78GB | false | 质量相对较低,使用了最先进的技术,出人意料地可用。 |
嵌入/输出权重
部分量化文件(如Q3_K_XL、Q4_K_L等)采用标准量化方法,将嵌入和输出权重量化为Q8_0,而非默认值。
ARM/AVX信息
以前,你会下载Q4_0_4_4/4_8/8_8,这些文件的权重会在内存中交错排列,以便通过一次加载更多数据来提高ARM和AVX机器的性能。
现在,有了一种称为“在线重新打包”的权重处理方式,详情见 此PR。如果你使用Q4_0,并且你的硬件可以从重新打包权重中受益,它将自动实时进行处理。
从llama.cpp构建版本 b4282 开始,你将无法运行Q4_0_X_X文件,而需要使用Q4_0。
此外,如果你想获得略高的质量,可以使用IQ4_NL,感谢 此PR,它也会为ARM重新打包权重,不过目前仅适用于4_4。加载时间可能会更长,但总体速度会提高。
选择合适的文件
点击查看详情
Artefact2在 这里 提供了一份很棒的文档,带有展示各种性能的图表。
首先,你需要确定你能运行多大的模型。为此,你需要了解你有多少RAM和/或VRAM。
如果你希望模型运行得尽可能快,你需要将整个模型放入GPU的VRAM中。选择文件大小比GPU总VRAM小1 - 2GB的量化文件。
如果你想要绝对最高的质量,将系统RAM和GPU的VRAM相加,然后选择文件大小比该总和小1 - 2GB的量化文件。
接下来,你需要决定是使用“I - 量化”还是“K - 量化”。
如果你不想考虑太多,选择K - 量化文件之一。这些文件的格式为“QX_K_X”,如Q5_K_M。
如果你想深入了解,可以查看这个非常有用的特性图表:
[llama.cpp特性矩阵](https://github.com/ggerganov/llama.cpp/wiki/Feature - matrix)
但基本上,如果你目标是低于Q4的量化,并且你使用的是cuBLAS(NVIDIA)或rocBLAS(AMD),你应该考虑I - 量化文件。这些文件的格式为IQX_X,如IQ3_M。这些是较新的文件,在相同大小下提供更好的性能。
这些I - 量化文件也可以在CPU上使用,但比相应的K - 量化文件慢,因此你需要在速度和性能之间做出权衡。
🔧 技术细节
量化工具
校准数据集
所有量化文件均使用imatrix选项和 此处 的数据集生成。
📄 许可证
本项目使用 [NVIDIA开放模型许可证](https://www.nvidia.com/en - us/agreements/enterprise - software/nvidia - open - model - license/)。
致谢
感谢kalomaze和Dampf在创建imatrix校准数据集方面提供的帮助。
感谢ZeroWw在嵌入/输出实验方面的启发。
感谢LM Studio对我工作的赞助。
如果你想支持我的工作,请访问我的ko - fi页面:[https://ko - fi.com/bartowski](https://ko - fi.com/bartowski)



